O Novo Enfoque da Manutenção Preventiva com Monitoramento Preditivo

XLI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”

Foz do Iguaçu, Paraná, Brasil, 18 a 21 de outubro de 2021.
O Novo Enfoque da Manutenção Preventiva das

Máquinas e Equipamentos dos Processos
Industriais
Luiz Gonzaga da Costa Neto - PPGEP/UNIMEP
gonzaga@gonzagaengenharia.com.br
Fernando Celso de Campos - PPGEP/ UNIMEP

fernando.campos@unimep.br
A inspeção dos equipamentos surgiu da necessidade de manter as

instalações industriais em condições físicas satisfatórias,
proporcionando o nível mínimo de segurança, disponibilidade e
confiabilidade operacional, sendo que, essas inspeções por meios dos
monitoramentos são os requisitos básicos para um planejamento das
atividades de manutenção. O objetivo deste trabalho é analisar que por
meios dos monitoramentos preditivo e / ou prescritivo poderá contribuir
para a atividade de manutenção preventiva de condição real dos
equipamentos, ou seja, apenas com a real necessidade, evitando as
manutenções preventivas por intervalos pré-estabelecidos. Para tanto,
foi realizada uma Revisão da Literatura. utilizando as palavras chave
Maintenance 4.0, Manutenção Preventiva, Manutenção Inteligente,
Manutenção Preditiva, identificando os principais autores e periódicos
mais relevantes.
Palavras-chave: Maintenance 4.0, Manutenção Preventiva,

Manutenção Inteligente, Manutenção Preditiva
1. Introdução
Conhecer a condição real de funcionamento de equipamentos de produção faz a diferença entre
sucesso e fracasso da manutenção, evitando falhas inesperadas com perdas operacionais.
Técnicas e tecnológicas podem favorecer esse processo de condição (CARBONE, 2002). Para
Schwab (2016), as novas tecnologias estão transformando a forma de como as organizações
gerenciam seus ativos, recebendo melhorias de recursos digitais.
A denominada 4ª Revolução Industrial, divulgada pela Alemanha desde 2011
(KAGERMANNM WAHLSTER & HELBIG, 2013), é um programa com as principais
inovações tecnológicas de vários segmentos aplicadas a processos de fabricação e serviços, com
tecnologias habilitadoras que permitem o surgimento de novos modelos de negócio,
(CIFFOLILI & MUSCIO, 2018), podendo garantir a confiabilidade dos equipamentos
automatizados, possibilitando em tempo real a condição operacional, identificando e atuando
no ponto potencial de falha, ao mesmo tempo em que notificam a situação, por meio da Internet
of Things (IoT) para um departamento, por exemplo o Planejamento e Controle da Manutenção
(PCM). Os dados fornecidos por sensores off-line, on-line periódico ou on-line contínuo,
colocados nos equipamentos permitem constante monitoramento preditivo e/ou prescritivo, que
podem notificar quando uma parte do equipamento está fora de seus parâmetros normais de
operação e para Di Nardo et al. (2020), a atividade de manutenção preventiva de condição,
somente acontecerá conforme a necessidade.
O objetivo deste trabalho é analisar o novo enfoque da manutenção preventiva por meio de
monitoramento preditivo e/ou prescritivo, que possibilita a atividade de manutenção preventiva
somente na real necessidade, evitando intervalos pré-estabelecidos. Para tanto foi realizada uma
revisão sistemática da literatura (RSL) identificando os principais trabalhos (mais citados) e
uma revisão narrativa da literatura com relevantes publicações acerca do tema.
O artigo tem a seguinte estrutura: seção 2 apresenta a fundamentação teórica relacionada à
Indústria 4.0 e manutenção explorando a correlação entre esses conceitos, a seção 3 detalha o
método de pesquisa, a seção 4 contém os resultados em geral, seção 5 analisa e discute a amostra
de artigos selecionados pela RSL, por fim na seção 6 estão as conclusões e contribuições da
pesquisa.
2. Fundamentação teórica
É feita uma revisão sobre a Indústria 4.0, Manutenção Preventiva Sistemática, Manutenção
Preventiva de Condição e suas interligações.
1
2.1. Indústria 4.0

Oztemel e Gursev (2020) afirmam que a 1ª revolução industrial começou no fim século XVIII,
a 2ª revolução industrial aconteceu no começo do século XX, a 3ª revolução industrial ocorreu
na década de 1970 e 4ª revolução industrial ou “Indústria 4.0” foi um esforço conjunto entre
representantes de negócios, políticos e acadêmicos, promovendo a ideia de digitalização com
autonomia e autogerenciamento das máquinas, como forma de aumentar o poder competitivo
da indústria manufatureira alemã. Este conceito Indústria 4.0 apareceu publicado em 2011 na
feira de Hannover, relativo à estratégia de alta tecnologia para 2020, denominado Programa
“Industrie 4.0” e neste período (Odważny et al, 2019) desta estratégia alemã vários modelos e
ideias foram desenvolvidos.
Tupa, Simota e Steiner (2017) compreendem Indústria 4.0 como uma proposta de conexão de
todas as partes das máquinas via dados e operações integradas, possibilitando melhor gestão de
sistemas, processos e ativos.
2.2. Manutenção preventiva sistemática

Na NBR-5462 (1994) manutenção preventiva é a efetuada em intervalos pré-determinados, ou
de acordo com critérios prescritos, destinada a reduzir a probabilidade de falha ou a degradação
do funcionamento de um item e para Exner (2017), é manter as máquinas dependentes de
intervalos de tempo fixo, e quando bem definidos (Rauch, Linder & Dallasega, 2020) aumentam
a disponibilidade, porém (Viana, 2002) é todo serviço realizado em máquinas que não estejam
em falha, sendo para (Vilarinho, Lopes & Oliveira, 2017) realizada para reduzir a manutenção
corretiva, reforçado por Nagao (1998) que a melhor condição de manutenção é pelo
monitoramento preditivo, chegando à atividade da manutenção preventiva de condição.
2.3. Manutenção Preventiva de Condição

A manutenção baseada em condição (CBM) é definida por Engeler (2016) como dados de
componentes para identificar seu status atual e usado para determinar a data de manutenção.
Para Exner et al (2017) a CBM é cada vez mais relevante na prática da indústria, conduzida
antes que ocorra uma falha.
Para Nemeth et al. (2018), a transformação digital tem um forte impacto nas técnicas e
processos de fabricação e requer uma nova manutenção baseada em dados, apoiando tomada
de decisão, garantindo a disponibilidade da máquina e a estabilidade do processo. Nesse
sentido, Shin & Jun (2015) comentam que com o avanço da tecnologia de informação e
2
comunicação (TIC), consegue-se a visibilidade do status de componente durante o seu período

de uso. A CBM faz o diagnóstico do status com base em dados de monitoramento, prevê
anormalidades possibilitando ações de atividades de manutenção adequadas.
2.4. Indústria 4.0, Manutenção Preventiva de Condição e Manutenção Preventiva

Sistemática.
Para Benesova et al. (2020) as mudanças da Indústria 4.0 trazem impacto inclusive na
manutenção industrial e Mastos et al. (2020) afirmam que essa transformação de soluções
tecnológicas beneficia a manutenção.
Glawar et al. (2016) comentam que com dados coletados em tempo real é possível que as
atividades de CBM sejam realizadas somente na real necessidade, evitando-se a manutenção
preventiva sistemática.
No contexto da Indústria 4.0 a CBM desenvolve-se por meio da conectividade e a manutenção
preventiva sistemática programa-se de acordo com as necessidades durante um período
operacional dos equipamentos, portando, o monitoramento preditivo on-line ou off-line e/ou
prescritivo on-line, possibilitará a CBM dos equipamentos, como novo enfoque da manutenção
preventiva.
3. Método de pesquisa
O método de pesquisa adotado foi uma Revisão Sistemática da Literatura (RSL) permitindo
identificação, avaliação e seleção de estudos existentes (TRANFIELD, DENYER, ESMART,
2003), a partir de um protocolo estruturado de pesquisa, descrito a seguir.
3.1 Protocolo da RSL

A RSL tfoi realizada com suporte do Software StArt – State of the Art through Systematic
Review, versão 3.4 Beta – LAPES – Laboratório de Pesquisa em Engenharia de Software –
UFSCAR (StArt, 2020).
O protocolo de pesquisa é apresentado no Quadro1, com todos os elementos utilizados.
Quadro 1 - Protocolo de Pesquisa
Estratégia Protocolo
Questão da pesquisa Será possível reduzir à atividade de manutenção preventiva sistemática?
Base de dados Scopus, Web of Science, Science Direct
3
Maintenance 4.0, Preventive Maintenance, Intelligent Maintenance, Predictive

Palavras-Chave Maintenance,
Período 2015 a abril/2021

Idioma Inglês, Português, Espanhol
• Títulos não relacionados com o objetivo da pesquisa.
• Artigos duplicados.
Critério de exclusão • Não contenham no título, resumo e palavras-chave as strings de busca.
• Artigos publicados foro do período.
• Sites e Teses.
Critérios de inclusão • Artigos que contenham o título, resumo e palavras-chave as strings de busca.
• Artigos publicados no período
Fonte: Elaborado pelos Autores
3.2. Pesquisa e Refinamento

A pesquisa inicial resultou num total de 2530 trabalhos, no período (2015-abril/2021),
distribuídos pelas bases de dados (Figura 1).
Figura 1 - Resultado inicial por base de dados
Fonte: StArt (2020)
Foram três filtros sobre a pesquisa inicial para selecionar os artigos:

• Primeiro filtro: Exclusão dos títulos não relacionados com objetivo da pesquisa, artigos
duplicados, artigos (título, resumo e palavras-chave) sem conexão com as strings de
busca, artigos publicados fora do período estabelecido, sites e teses, resultando 1947
artigos rejeitados e 535 artigos duplicados.
4
• Segundo filtro: Inclusão dos artigos (título, resumo e palavras-chave) com conexão com
as strings de busca, artigos publicados no período definido, nos idiomas previstos,
resultando 48 artigos.
• Terceiro filtro: Leitura dos resumos e das conclusões desses 48 artigos, com o intuito
de selecionar somente os artigos que tratam o objetivo da pesquisa, resultando em 21
artigos para análise (Tabela 2).
4. Resultados da pesquisa
Serão apresentadas as análises dos 21 artigos selecionados: por ano de publicação, por
periódicos, e por números de citações.
Do ano de 2015, o primeiro publicado por Lee et al. (2015) tem como foco apresentar uma
arquitetura sistemática para a aplicação do Sistema Ciber-físico (CPS) na manufatura, chamada
5C, que consiste em Conexão Inteligente, Conversão de Dados para Informações, Níveis de
Cyber, Cognição e Configuração, facilitando a transformação de dados em informações,
favorecendo a manutenção. O segundo publicado por Shin & Jun (2015), aborda a CBM
detalhando a lógica de sua operacionalização atuando na previsão de anormalidades de ativos
e executando ações de manutenção adequadas, antes de ocorrerem problemas graves.
A Tabela 1 apresenta os periódicos que mais publicaram sobre o tema, sendo: Procedia CIRP
com 7 artigos publicados, seguido do Procedia Manufacturing com 4, e empatados com 2 o
International Journal of Productions Economics e o Computers & Industrial Engineering.
Esses quatros periódicos juntos foram responsáveis por 15 publicações dos 21 artigos
selecionados.
Tabela 1 - Periódicos que mais publicaram no tema
Periódico Número de publicação

Procedia Cirp 7
Procedia Manufacturing 4
Computers & Industrial Engineering 2
International Journal of Production Economics 2
Total 15
A análise de citações apresentada na Tabela 2 contém os 10 artigos com maior número de

citações (Top Ten).
Tabela 2 - Artigos mais citados (Top Ten)
Autor/Ano Artigo Número de citação
5
Mrugalska, B., &

Wyrwicka, M. K. Towards lean production in industry 4.0 363
(2017).
Lee, J., Ardakani, H.
Industrial big data analytics and cyber-physical systems
D., Yang, S., & 313
for future maintenance & service innovation
Bagheri, B. (2015)
Roy, R., Stark, R.,
Continuous maintenance and the future–Foundations
Tracht, K., Takata, S., 202
and technological challenges.
& Mori, M. (2016).
Tupa, J., Simota, J., & Aspects of risk management implementation for Industry
164
Steiner, F. (2017) 4.0
Bokrantz, J., Skoogh,
Maintenance in digitalised manufacturing: Delphi-based
A., Berlin, C., & 126
scenarios for 2030
Stahre, J. (2017)
Rauch, E., Linder, C., Anthropocentric perspective of production before and
78
& Dallasega, P. (2020) within Industry 4.0
Ansari, F., Glawar, R., PriMa: a prescriptive maintenance model for cyber-
50
& Nemeth, T. (2019) physical production systems
Sakib, N., & Wuest, T. Challenges and opportunities of condition-based
48
(2018). predictive maintenance: a review
Jasiulewicz-
Maintenance 4.0 technologies for sustainable
Kaczmarek, M., & 38
manufacturing-an overview.
Gola, A. (2019)
Vilarinho, S., Lopes,
Preventive maintenance decisions through maintenance
I., & Oliveira, J. A. 35
optimization models: a case study
(2017)

Mrugalska & Wyrwicka (2017) trataram da relevância de como a Indústria 4.0 pode ser mais
bem descrita por três paradigmas: o produto inteligente, a máquina inteligente e o operador,
seguido pelo artigo de Lee et al (2015) tratando de arquitetura sistemática para a aplicação do
Sistema Ciber-físico (CPS) na manufatura, chamada 5C que será capaz de automatizar e
centralizar o processamento de dados, como programação de manutenção e otimização do
controle, obtendo maior produtividade e confiabilidade.
5. Análise e discussão
Conforme Ruschel, Santos & Loures (2017) intervalos bem definidos entre inspeções de
manutenção preventiva aumentam a disponibilidade de equipamentos de processo, reduzindo a
manutenção corretiva. (WYREBSKI, 1997).
A manutenção e seu custo continuam, ao longo dos anos, a chamar a atenção da gestão da
produção que podem serreduzidos, com uma abordagem de manutenção preventiva baseada em
condição, em uma estrutura de monitoramento de máquina (MOURTZIS ET AL, 2016).
6
Valamede e Akkari (2020) comentam que a interconectividade, possibilitam o planejamento e

as atividades de manutenção, com dados das condições reais de cada equipamento e com os
avanços da Tecnologia de Informação e Comunicação (TIC) (Lee et al, 2015) as indústrias
estão enfrentando novas oportunidades e desafios.
Roy et al. (2016) comentam que as tecnologias de monitoramento de condição são importantes
para conhecer sua vida restante, que para Vlasov et al. (2018) fornece uma redução do tempo
de inatividade e redução nos custos do equipamento.
Para Shin, & Jun (2015) a CBM com dados de monitoramento, prevê a anormalidade de ativos
possibilitando ações de atividades de manutenção adequadas, e para Daniyan et al (2020), a
prática do monitoramento preditivo facilitará a manutenção preventiva de condição. A
notificação, aviso, visualização aprimorada e mais o apoio inteligente à tomada de decisão será
de interesse (LINDSTROM, 2017). Para Rauch, Linder & Dallasrga (2020), o controle e
monitoramento de sistemas complexos de produção aumentarão. Por esta razão, sistema
sensorial irão desempenhar um papel importante na aquisição de dados.
Como a manutenção modernizada, muitas vezes chamadas de "Manutenção inteligente", afeta
o desempenho de fábricas? Esta questão é um desafio para profissionais e estudiosos da
indústria e da gestão de manutenção (BOKRANTS ET AL, 2020). Essa é a tendência, para
monitoramento preditivo baseada em condição, transmitindo resultados em diferentes partes da
máquina ou processo. (SAKIB & WUEST, 2018).
Vilarinho, Lope & Oliveira (2017), comentam que tecnologia sempre foi um fator-chave de
mudança na indústria, levando as empresas a adotarem métodos para melhorar a decisão,
devendo ser considerado o equilíbrio do desempenho da manutenção, riscos e custos para obter
soluções de boa qualidade.
Manutenção 4.0 pode quebrar as compensações das estratégias mais antigas, permitindo
aumento de vida útil dos equipamentos de produção, evitando tempo de inatividade não
planejado, minimizando o tempo de inatividade planejado, aumentando a segurança de
processos e pessoas (JASIULEWICZ-KACZMAREK & GOLA, 2019).
Para Ansari, Glawar & Nemeth, (2019) os sistemas de produção física cibernética como uma
tecnologia emergente da Indústria 4.0, acionam um paradigma de mudança da manutenção
descritiva para a prescritiva, levando à evolução e transformação de estratégias e modelos de
manutenção baseada em conhecimento (knowledge-based maintenance - KBM) de diagnóstico
para preditivo e prescritivo.
7
De acordo com Ales et al. (2019) o desafio da Indústria 4.0 com a questão da Industrial Internet
of Things (IIoT) é altamente acentuada, incluindo a questão de gestão autônoma e comunicação
de máquinas e equipamentos individuais dentro do processo produtivo. Para Tupa, Simota, &
Steiner (2017) comentam que, com conexão das máquinas por meio de dados e operações
integradas, possibilita uma melhor gestão de sistemas, processos e ativos.
Segundo Bokrantz et al. (2020) com a introdução de tecnologias digitais em sistemas de
produção, será possível avançar na compreensão do que faz certas práticas eficaz, no entanto
cresce o número de conceitos, acontecendo a preocupação com problemas devido a falta de
clareza do conceito, manifestando na proliferação de conceitos com nomes diferentes. “E-
maintenance”, “Prognostics and health management”, “Predictive maintenance”,
“Manutenção 4.0”, Manutenção inteligente”.
Com novo enfoque da manutenção preventiva, e a falta de clareza do conceito de manutenção,
proliferando manifestações diversas, pode-se definir que a manutenção é uma atividade de
execução de serviços, e de acordo com muitos autores, é o conjunto de ações necessárias para
manter ou reestabelecer um equipamento nas suas funções, sendo assim, a manutenção
industrial se defini como um conjunto de atividades de execução de serviços, sendo dividida
em:
• Manutenção corretiva: Execução da falha ocorrida.
• Manutenção preventiva sistemática: Execução em intervalos de tempo pré-
determinados.
• Manutenção preventiva de condição: Execução somente quando for identificado a
necessidade real.
Alguns autores, considera-se ainda o termo manutenção preditiva, manutenção detectiva e com
o advento da indústria 4.0, manutenção prescritiva, sendo que, esses termos não se referem a
execução da manutenção, mas sim, a realização de atividades de monitoramentos da condição
real do equipamento, podendo ser definidas como:
• Monitoramento preditivo: análise da condição do equipamento e sistema, indicando a
necessidade de intervenção com base no estado do equipamento, através dos
monitoramentos objetivo e subjetivo:
✓ Monitoramento objetivo: Identificação da condição operacional do equipamento
por meio de medição e acompanhamento de parâmetros, podendo ser on-line ou
off-line periódico e on-line contínuo.
8
✓ Monitoramento subjetivo: Identificação da condição operacional do

equipamento por meio dos sentidos humanos.
✓ Monitoramento detectivo: análise da condição do equipamento e sistema,
indicando as falhas ocultas, por meio de medições of-line periódico e
simulações.
• Monitoramento prescritivo: análise da condição do equipamento em tempo real, por
meio de sensores inteligentes (sensores microprocessados) on-line contínuo que
estabelece recomendações e ações para evitar a falha.
O monitoramento subjetivo se realiza pelos sentidos humanos e ocorrerá tão somente pela
inspeção visual e outras técnicas como audição, tato, olfato, sempre com o equipamento em
operação, podem trazer benefícios por meio da experiência do manutentor, buscando a
disponibilidade do equipamento, evitando uma parada inesperada.
Para Pelantova e Cecak (2018) a garantia da continuidade e da qualidade da produção leva parte
das organizações a pensar no status da manutenção de seus equipamentos. A manutenção é
influenciada por muitos fatores no momento, e devem apresentar novas orientações de
gerenciamento de manutenção. Di Nardo et al. (2020) comentam que com o monitoramento de
máquinas é possível prever a necessidade de uma intervenção de manutenção, viabilizando a
estratégia de monitoramento preditivo, e as atividades de manutenção serão planejadas com
base nas condições reais dos equipamentos.
A importância do monitoramento das máquinas e equipamentos é conhecer a condição
operacional, possibilitando o novo enfoque da manutenção preventiva, apresentado na Tabela
3.
Tabela 3 – Novo enfoque da manutenção preventiva
Atual Novo enfoque

Manutenção preditiva Monitoramento preditivo
Manutenção detectiva Monitoramento dedectivo
Manutenção prescritiva Monitoramento prescritivo
Manutenção preventiva sistemática Manutenção preventiva de condição

A Tabela 3 demonstra o novo enfoque da manutenção preventiva, buscando a condição
operacional sempre pelos monitoramentos.
9
6. Conclusão
O objetivo deste trabalho foi analisar a possibilidade dos monitoramentos preditivo e/ou
prescritivo contribuir para a execução da atividade de manutenção preventiva de condição do
equipamento, ou seja, somente na real necessidade, evitando a manutenção preventiva por
intervalos pré-estabelecidos,
A RSL e a revisão narrativa da literatura contribuíram para verificar a situação atual da literatura
em relação ao tema, promovendo para a sociedade a confiabilidade operacional e na prática a
disponibilidade de equipamentos de processo.
Os trabalhos analisados apresentaram que o monitoramento preditivo e/ou prescritivo com
sensores colocados nas máquinas e equipamentos, contribui na identificação do ponto potencial
de falha, proporcionando à atividade de manutenção preventiva de condição do equipamento,
ou seja, somente na real necessidade, evitando uma parada para manutenção preventiva por
tempo pré-estabelecido, possibilitando a confiabilidade operacional e a disponibilidade.
Com aplicação da tecnologia, a manutenção preventiva de condição, ou seja, em tempo real dos
sensores de medição, contribui na melhoria do desempenho econômico e fornece estabilidade
do processo de manufatura. As tecnologias conectadas podem ajudar a Gestão da Manutenção.
A revisão realizada apresenta as seguintes limitações: poucos trabalhos foram selecionados com
a temática analisada, os critérios de seleção e filtragens foram pautados nas palavras-chave, o
que pode ter levado a não inclusão de alguns artigos relevantes para o estudo.
Como sugestões para pesquisas futuras: utilizar a combinação das palavras-chave, como
também, propor o indicador de desempenho para este conceito de manutenção preventiva de
condição.
Apesar das limitações apresentadas, o artigo contribui para a literatura, com escopo de atuação
que o tema possibilita.
Agradecimentos
"O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal
de Nível Superior - Brasil (CAPES) - Código de Financiamento 001”
Referências
Ales, Z., PAvlů, J., Legát, V., Mošna, F., & Jurča, V. Methodology of overall equipment effectiveness
calculation in the context of Industry 4.0 environment. Eksploatacja i Niezawodność, 21, 2019.
Ansari, F., Glawar, R., & Nemeth, T. PriMa: a prescriptive maintenance model for cyber-physical
production systems. International Journal of Computer Integrated Manufacturing, 32(4-5), 482-503, 2019.
10
Benešová, A., & Tupa, J. Requirements for education and qualification of people in Industry 4.0. Procedia
Manufacturing, 11, 2195-2202, 2017.
Bokrantz, J., Skoogh, A., Berlin, C., Wuest, T., & Stahre, J. Smart Maintenance: a research agenda for
industrial maintenance management. International Journal of Production Economics, 224, 107547, 2020.
Carbone L. C., A Importância da Monitoração de Máquinas, Nova Manutenção Y Qualidade, Ano 9, n. 42.
2002.
Ciffolilli, A., & Muscio, A. Industry 4.0: national and regional comparative advantages in key enabling
technologies. European Planning Studies, 26(12), 2323-2343, 2018.
Daniyan, I., Mpofu, K., Oyesola, M., Ramatsetse, B., & Adeodu. Artificial intelligence for predictive
maintenance in the railcar learning factories. Procedia Manufacturing, 45, 13-18, 2020.
Di Nardo, M., Clericuzio, M., Murino, T., & Sepe, C. An Economic Order Quantity Stochastic Dynamic
Optimization Model in a Logistic 4.0 Environment. Sustainability, 12(10), 4075, 2020.
Engeler, M., Treyer, D., Zogg, D., Wegener, K., & Kunz. Condition-based maintenance: model vs. Statistics
a performance comparison. Procedia CIRP, 57, 253-258, 2016.
Exner, K., Schnürmacher, C., Adolphy, S., & Stark, R. Proactive maintenance as success factor for use-
oriented Product-Service Systems. Procedia CIRP, 64, 330-335, 2017.
Glawar r., Kemeny Z, Nemeth T., Matyas K., Monostori L., Sihn W. A Holistic Approach for Quality Oriented
Maintenance Planning Supported By Data Mining Methods. Procedia CIRP 57, 259-264, 2016.
Jasiulewicz-Kaczmarek, M., & Gola, A. Maintenance 4.0 technologies for sustainable manufacturing-an
overview. IFAC-PapersOnLine, 52(10), 91-96, 2019.
Kagermann, H., Wahlster, W., & Helbig, J. Recommendations for implementing the strategic initiative
Industrie 4.0: Final report of the Industrie 4.0 Working Group. Forschungsunion: Berlin, Germany, 2013.
Lee, J., Ardakani, H. D., Yang, S., & Bagheri, B. Industrial big data analytics and cyber-physical systems for
future maintenance & service innovation. Procedia cirp, 38, 3-7, 2015.
Lindström, J., Larsson, H., Jonsson, M., & Lejon, E. Towards intelligent and sustainable production:
combining and integrating online predictive maintenance and continuous quality control. Procedia
CIRP, 63, 443-448, 2017.
Mastos, T. D., Nizamis, A., Vafeiadis, T., Alexopoulos, N., Ntinas, C., Gkortzis, D. & Tzovaras, D. Industry 4.0
sustainable supply chains: An application of an IoT enabled scrap metal management solution. Journal of
Cleaner Production, 122377, 2020.
Mourtzis, D., Vlachou, E., Milas, N., & Xanthopoulos, N. A cloud-based approach for maintenance of machine
tools and equipment based on shop-floor monitoring. Procedia Cirp, 41, 655-660, 2016.
Mrugalska, B., & Wyrwicka, M. K. Towards lean production in industry 4.0. Procedia engineering, 182, 466-
473, 2017.
Nagao S. K., Manutenção Industrial: Análise, Diagnostica e Proposta de Melhoria de Performance em

indústrias de Processo. Dissertação de Mestrado, Universidade de São Paulo, São Paulo, SP, 1998.
Nemeth, T., Ansari, F., Sihn, W., Haslhofer, B., & Schindler, A. PriMa-X: A reference model for realizing
prescriptive maintenance and assessing its maturity enhanced by machine learning. Procedia CIRP, 72,
1039-1044, 2018.
11
Norma Brasileira NBR-5462, ABNT - Associação Brasileira de Normas Técnicas, Confiabilidade e

Mantenabilidade, Rios de Janeiro, RJ, 1994.
Odważny, F., Wojtkowiak, D., Cyplik, P., & Adamczak, M. Concept for measuring organizational maturity
supporting sustainable development goals. LogForum, 15, 2019.
Oztemel, E., & Gursev, S. Literature review of Industry 4.0 and related technologies. Journal of Intelligent
Manufacturing, 31(1), 127-182, 2020.
Pelantova, V., & Cecak, P. New aspects of maintenance management and the material of spare parts. In: MM
Science Journal, 1(2018), 2283-2289, 2018.
Rauch, E., Linder, C., & Dallasega, P. Anthropocentric perspective of production before and within Industry
4.0. Computers & Industrial Engineering, 139, 105644, 2020.
Roy, R., Stark, R., Tracht, K., Takata, S., & Mori, M. Continuous maintenance and the future–Foundations
and technological challenges. Cirp Annals, 65(2), 667-688, 2016.
Ruschel, E., Santos, E. A. P., & Loures, E. D. F. R. Mining shop-floor data for preventive maintenance
management: integrating probabilistic and predictive models. Procedia Manufacturing, 11, 1127-1134, 2017.
Sakib, N., & Wuest, T. Challenges and opportunities of condition-based predictive maintenance: a
review. Procedia CIRP, 78, 267-272, 2018.
Schwab, K. A Quarta Revolução Industril; Tradução Daniel Moreira Miranda, São Paulo, Edipro, ISBN 978-
85-7283-978-5, 2016.
Shin, J. H., & Jun, H. B. On condition based maintenance policy. Journal of Computational Design and
Engineering, 2, 119-127, 2015.
StArt – State of the Through Systematic Review, versão 3.4 Beta – LAPES – Laboratório de Pesquisa em
Engenharia de Software – UFSCAR, Disponível para download em: <http://lapes.dc.ufscar.br/tools/start_tool>
Acessado em março/2020.
Tranfield, D., Denyer, D., & Smart, P. Towards a methodology for developing evidence‐informed
management knowledge by means of systematic review. British journal of management, 14(3), 207-222, 2003.
Tupa, J., Simota, J., & Steiner, F. Aspects of risk management implementation for Industry 4.0. Procedia
manufacturing, 11, 1223-1230, 2017.
Valamede, L. S., & Akkari, A. C. S. Lean 4.0: A New Holistic Approach for the Integration of Lean.
Manufacturing Tools and Digital Technologies, 2020.
Viana, H. R. G., PCM – Planejamento e Controle de Manutenção, Rio de Janeiro, ed. Qualitymark, 2002.
Vilarinho, S., Lopes, I., & Oliveira, J. A. Preventive maintenance decisions through maintenance optimization
models: a case study. Procedia Manufacturing, 11, 1170-1177, 2017.
Vlasov, A. I., Echeistov, V. V., Krivoshein, A. I., Shakhnov, V. A., Filin, S. S., & Migalin, V. S.. An
information system of predictive maintenance analytical support of industrial equipment. Journal of
applied engineering science, 16(4), 515-522, 2018.
Wyresbski, J., Manutenção Produtiva Total: Um Modelo Adaptado, Dissertação de Mestrado em Engenharia,
Universidade Federal de Santa Catarina, Florianópolis, 1997
12

O Novo Enfoque da Manutenção Preventiva com Monitoramento Preditivo

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

O Novo Enfoque da Manutenção Preventiva com Monitoramento Preditivo

Enviado por

Direitos autorais:

Formatos disponíveis

XLI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO

“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”

O Novo Enfoque da Manutenção Preventiva das

Fernando Celso de Campos - PPGEP/ UNIMEP

A inspeção dos equipamentos surgiu da necessidade de manter as

Palavras-chave: Maintenance 4.0, Manutenção Preventiva,

2.1. Indústria 4.0

2.2. Manutenção preventiva sistemática

2.3. Manutenção Preventiva de Condição

comunicação (TIC), consegue-se a visibilidade do status de componente durante o seu período

2.4. Indústria 4.0, Manutenção Preventiva de Condição e Manutenção Preventiva

3.1 Protocolo da RSL

Quadro 1 - Protocolo de Pesquisa

Maintenance 4.0, Preventive Maintenance, Intelligent Maintenance, Predictive

Período 2015 a abril/2021

Fonte: Elaborado pelos Autores

3.2. Pesquisa e Refinamento

Figura 1 - Resultado inicial por base de dados

Fonte: StArt (2020)

Foram três filtros sobre a pesquisa inicial para selecionar os artigos:

Periódico Número de publicação

Fonte: Elaborado pelos Autores

A análise de citações apresentada na Tabela 2 contém os 10 artigos com maior número de

Autor/Ano Artigo Número de citação

Mrugalska, B., &

Fonte: Elaborado pelos Autores

Valamede e Akkari (2020) comentam que a interconectividade, possibilitam o planejamento e

✓ Monitoramento subjetivo: Identificação da condição operacional do

Atual Novo enfoque

Fonte: Elaborado pelos Autores

Nagao S. K., Manutenção Industrial: Análise, Diagnostica e Proposta de Melhoria de Performance em

Norma Brasileira NBR-5462, ABNT - Associação Brasileira de Normas Técnicas, Confiabilidade e

Você também pode gostar